Статистический анализ безработицы в Российской Федерации 2 (стр. 8 из 9)
| Годы | безработных всего, тыс.чел | t |  | yt |  |  |  |
| 1999 | 9322,6 | -5 | 25 | -46613 | 7873,73 | 1448,87 | 2099224,3 |
| 2000 | 7699,5 | -4 | 16 | -30798 | 7513,77 | 185,73 | 34495,6 |
| 2001 | 6416 | -3 | 9 | -19248 | 7153,81 | -737,81 | 544363,6 |
| 2002 | 5712,5 | -2 | 4 | -11425 | 6793,85 | -1081,35 | 1169317,8 |
| 2003 | 5959,2 | -1 | 1 | -5959,2 | 6433,89 | -474,69 | 225330,6 |
| 2004 | 5674,8 | 1 | 1 | 5674,8 | 5713,97 | -39,17 | 1534,3 |
Продолжение таблицы 3.4.
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 2005 | 5262,8 | 2 | 4 | 10525,6 | 5354,01 | -91,21 | 8319,3 |
| 2006 | 5311,9 | 3 | 9 | 15935,7 | 4994,05 | 317,85 | 101028,6 |
| 2007 | 4588,5 | 4 | 16 | 18354 | 4634,09 | -45,59 | 2078,4 |
| 2008 | 4791,5 | 5 | 25 | 23957,5 | 4274,13 | 517,37 | 267671,7 |
| Итого | 60739,3 | 0 | 110 | -39595,6 | 60739,3 | 0 | 4453364,3 |
Далее рассчитаем значения «a» и «b»:
и 
и 
, т.е..Уравнение прямой, представляющее собой трендовую модель искомой функции, будет иметь вид:
=6073,9 –359,96t.Полученное уравнение показывает, что, наблюдается тенденция снижения притока безработных граждан в РФ в среднем на 360 тыс.чел в год.
Тенденция снижения уровня безработицы Российской Федерации в изучаемом периоде отчетливо проявляется в результате построения выровненной прямой
=6073,9 – 359,96t. (рисунок 3.3.) 
Рисунок 3.3.- Аналитическое выравнивание
По графику видно, что уровень безработицы в Российской Федерации снижается неравномерно.
3.2. Корреляционно-регрессионный анализ
Корреляционно-регрессионный анализ учитывает межфакторные связи, следовательно, дает более полное измерение роли каждого фактора: прямое, непосредственное его влияние на результативный признак; косвенное влияние фактора через его влияние на другие факторы; влияние всех факторов на результативный признак. Если связь между факторами несущественна, можно ограничиться индексным анализом. В противном случае его полезно дополнить корреляционно-регрессионным измерением влияния факторов, даже если они функционально связаны с результативным признаком.
Таблица 3.5.- Исходные данные
| Года | Всего безработных, % | Дефицит дохода, % | Число прибывших, тыс.чел. | Индекс потребительских цен, тыс.руб. |
| 1999 | 93,2 | 4,9 | 136,5 | 2856,7 |
| 2000 | 76,9 | 5 | 120,2 | 2662,3 |
| 2001 | 64,5 | 4,5 | 118,6 | 2334,0 |
| 2002 | 57,1 | 3,7 | 115,1 | 2201,9 |
| 2003 | 59,6 | 2,6 | 112 | 2168,5 |
| 2004 | 56,7 | 2,1 | 111,7 | 2117,4 |
| 2005 | 52,6 | 2,1 | 111 | 2088,6 |
| 2006 | 53,1 | 1,6 | 109 | 2122,0 |
| 2007 | 45,9 | 1,3 | 111,9 | 2284,9 |
| 2008 | 47,9 | 1,3 | 113,3 | 2215,9 |
| Итого | 607,5 | 29,1 | 1159,3 | 23052,2 |
| В среднем | 60,75 | 2,91 | 115,93 | 2305,22 |
Для анализа необходимо из нескольких факторов произвести предварительный отбор факторов для регрессионной модели. Сделаем это по итогам расчета коэффициента корреляции, т.е. возьмем те факторы, связь которых с результативным признаком будет выражена в большей степени. Рассмотрю следующие факторы:
· Дефицит дохода (%);
· Число прибывших (тыс.чел);
· Индекс потребительских цен (тыс.руб.).
Нужно рассчитать коэффициент корреляции для линейной связи и для имеющихся факторов - x1, x2 и x3 при помощи матрицы (рисунок 3.4.)
| Столбец 1 | Столбец 2 | Столбец 3 | Столбец 4 | |
| y | 1 | |||
 | 0,862321 | 1 | ||
 | 0,920909 | 0,765665 | 1 | |
 | 0,897031 | 0,761866 | 0,924667 | 1 |
Рисунок 3.4.- Матрица парных коэффициентов.
Для фактора x1 получаю коэффициент корреляции: r1= 0,86,
Для фактора x2 получаю коэффициент корреляции: r2 = 0,92,
Для фактора x3 получаю коэффициент корреляции: r3= 0,89.
1)Связь между x1 и y высокая, так как она находится между 0,8 и 0,6, связь между ними прямая, т.е. чем выше дефицит дохода, тем выше уровень безработицы.
2)Связь между x1 и y высокая, так как она находится между 0,9 и 0,6, зависимость также прямая.
3) Связь между x3 и y высокая, так как она находится между 0,8 и 0,6, зависимость прямая, т.е чем выше индекс потребительских цен, тем выше уровень безработицы и наоборот.
Получаем итоги, представленные в таблице 3.6.
Корреляционно - регрессионный анализ сделан на основе двух факторов: дефицит дохода и число прибывших. Влияние второго фактора наиболее значимо, чем первого(Р-значение=0,0095).
У = -7315,92+346,53х1+86,47х2.
Таблица 3.6.- Корреляционно – регрессионный анализ
| ВЫВОД ИТОГОВ | ||||||||
| Регрессионная статистика | ||||||||
| Множественный R | 0,952789893 | |||||||
| R-квадрат | 0,907808579 | |||||||
| R-квадрат | 0,881468174 | |||||||
| Стандартная ошибка | 496,3510887 | |||||||
| Наблюдения | 10 | |||||||
| Дисперсионный анализ | ||||||||
| df | SS | MS | F | Значимость F | ||||
| Регрессия | 2 | 16981645,62 | 8490822,809 | 34,46448715 | 0,000237912 | |||
| Остаток | 7 | 1724550,823 | 246364,4032 | |||||
| Итого | 9 | 18706196,44 | ||||||
| Коэффициенты | Стандартная ошибка | t-статистика | P-Значение | Нижние 95% | Верхние 95% | Нижние 95,0% | Верхние 95,0% | |
| Y-пересечение | -8139,78394 | 3353,855651 | -2,426992926 | 0,045621445 | -16070,39235 | -209,1755343 | -16070,39235 | -209,1755343 |
| Переменная X 1 | 369,4250903 | 173,4619582 | 2,129718205 | 0,070699611 | -40,7472627 | 779,5974433 | -40,7472627 | 779,5974433 |
| Переменная X 2 | 113,332933 | 32,09607116 | 3,531053146 | 0,009584258 | 37,43778482 | 189,2280813 | 37,43778482 | 189,2280813 |
ЗАКЛЮЧЕНИЕ